工学 >>> 计算机科学技术 >>> 人工智能 >>> 人工智能理论 自然语言处理 机器翻译 模式识别 计算机感知 计算神经网络 知识工程 人工智能其他学科
搜索结果: 1-15 共查到人工智能 自动化相关记录628条 . 查询时间(0.6 秒)
CAA会士面对面系列活动是中国自动化学会为学会会士量身打造的高端学术交流平台,每期活动邀请1位或数位学会会士进行专题报告,围绕国际科技热点,聚焦国家创新发展战略需求,前瞻学科领域发展新方向,积极发挥学术引领和科技智库作用,展现重大学术咨询研究成果,引导社会尊崇科学思想和方法,促进公众提升科学意识和素养。
田卫华,2008年毕业于东北大学控制理论与控制工程专业,博士,副教授,人工智能系主任,专业负责人。主要从事基于人工智能的新能源发电预测与优化控制策略研究。
边缘计算技术是赋能工业控制等高实时、高可靠应用的关键支撑技术,通过将计算资源部署于终端设备附近,可为工业现场提供丰富的算力资源,有效降低任务传输和处理时延。然而,由于终端设备上承载的任务异构多样,而无线网络的通信资源严重受限,易导致任务迁移过程中的计算资源抢占和无线网络拥塞。
耿丽清,天津职业技术师范大学自动化与电气工程学院副教授、硕士生导师,研究方向:信号检测与处理、人工智能、嵌入式,天津市科技进步三等奖、实用新型专利10余项、软件著作7项。
车艳秋,博士学历,天津职业技术师范大学自动化与电气工程学院教授,硕士生导师,主要从事神经控制工程、计算智能、计算神经科学等方向的研究工作,致力于智能科学、控制科学与神经科学的交叉融合,开发神经系统疾病(癫痫、帕金森、阿尔茨海默病等)智能诊断和治疗的方法、技术及装置。
韩春晓,博士,天津职业技术师范大学自动化与电气工程学院教授,硕士生导师,研究方向为人工智能、脑机融合技术、非线性信息处理。
路光达,天津职业技术师范大学自动化与电气工程学院教授,天津职业技术师范大学自动化与电气工程学院副院长,硕士生导师。研究方向:人工智能、医疗机器人、智能机器人技术、机器视觉、运动控制等。
胡勤,副教授、博士研究生,男,自动化系专任教师,主讲本科生课程:智能故障诊断技术、数字信号处理等,主讲研究生课程:线性系统理论。长期致力于人工智能算法在石化装备故障诊断领域的研究。
脉冲神经网络(Spiking Neural Network,SNN)被誉为第三代神经网络,使用更低层次的生物神经系统的抽象。它既是神经科学中研究大脑原理的基本工具,又因稀疏计算、事件驱动、超低功耗的特性,备受计算科学的关注。随着深度学习方法的引入,SNN的性能得到大幅提升,脉冲深度学习(Spiking Deep Learning)成为新兴的研究热点。传统SNN框架更多地关注生物可解释性,致力于构建...
中国科学院自动化研究所研究员曾毅带领的类脑认知智能团队,打造出全脉冲神经网络的类脑认知智能引擎(Brain-inspired Cognitive Intelligence Engine,简称为BrainCog,中文名为“智脉”),并进行全面开源开放,为探索面向通用人工智能的类脑智能研究提供基础性支撑,助力自然智能的计算本质探索和新一代人工智能的发展。相关研究成果发表在Patterns上,并被选为封...
2023年8月11日,中国科学院沈阳自动化研究所机器人视觉研究组在遮挡行人重识别领域取得新进展,提出了一种遮挡行人重识别算法。该研究成果在线发表于工业信息领域国际期刊IEEE Transactions on Industrial Informatics(中国科学院一区Top类,IF:12.3)。
2023年8月8日,中国科学院沈阳自动化研究所在工业零件测量领域取得新进展,提出了一种适用于工业零件表面反射率变化较大情况的光学低相干测量方法,实现了对镜面、类镜面、漫反射面等多种反射特性的工业零件关键参数的高精度测量。该研究成果于2023年8月8日在线发表在国际仪器测量领域期刊IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT。 工业零件...
近日,中国科学院自动化研究所曾毅研究员课题组提出基于FPGA的脉冲神经网络硬件加速器“智脉·萤火”(FireFly),并集成了针对FPGA器件特点的DSP运算优化策略和适配脉冲神经网络数据流模式的高效的突触权重和膜电压访存系统,在硬件上实现了脉冲神经网络的推理加速,推动了类脑脉冲神经网络迈向实用化的发展。相关研究成果发表在IEEE Transactions on Very Large Scale ...
2023年7月14日,中国科学院沈阳自动化研究所在工业设备智能维护管理研究方面取得新进展。相关研究成果以A spatiotemporal feature learning-based RUL estimation method for predictive maintenance为题,发表在Measurement上。
针对冶金等复杂工业建模过程中存在数据不足和算法冷启动的问题,沈阳自动化所数字工厂研究室科研团队提出了一种基于动态迁移学习的、在有限数据量下的工业过程时间序列预测方法,该方法以提高多步时序预测精度、降低计算成本为目标,建立了复杂工业场景下的预测模型,提高了工业时序数据预测的准确性、高效性。相关成果已发表在中科院一区Top期刊IEEE Transactions on Industrial Inform...

中国研究生教育排行榜-

正在加载...

中国学术期刊排行榜-

正在加载...

世界大学科研机构排行榜-

正在加载...

中国大学排行榜-

正在加载...

人 物-

正在加载...

课 件-

正在加载...

视听资料-

正在加载...

研招资料 -

正在加载...

知识要闻-

正在加载...

国际动态-

正在加载...

会议中心-

正在加载...

学术指南-

正在加载...

学术站点-

正在加载...